典型文献
基于EEMD和SCINet的高速公路交通流量预测
文献摘要：
准确的高速公路交通流量预测对于出行规划、交通管理与控制等都有重要意义.但是交通流具有非线性和随机性,而且感应式检测器采集到的交通流数据中往往存在噪声数据,实现准确预测仍具有一定难度.针对此问题,提出基于集合经验模 态分解(Ensemble Empirical Mode Decomposition,EEMD)与样本卷积交互网络(Sample Convolution and Interaction Network,SCINet)的高速公路交通流量预测模型.首先使用EEMD去除数据噪声;然后训练SCINet模型并进行不同步长下的预测;之后以均方根误差、平均绝对误差和平均绝对百分比误差为指标,对所提出方法的预测性能进行评价,并与3类基准模型进行比较;最后根据不同状态划分单独的子集来进行模型训练,以适应不同场景下的预测.实验结果表明,合理运用数据去噪方法能够在一定程度上提升初始预测模型的性能,而且基于EEMD和SCINet的模型具有较好的预测性能,在高速公路短期流量预测和中期流量预测方面均具有实用性.
文献关键词：
交通流量预测;集合经验模态分解;样本卷积和交互网络;时间序列
中图分类号：
作者姓名：
闫伟曦;陈鹏;唐鹏;李祥;谢羽飞
作者机构：
武汉理工大学交通与物流工程学院,武汉430063
文献出处：
引用格式：
[1]闫伟曦;陈鹏;唐鹏;李祥;谢羽飞-.基于EEMD和SCINet的高速公路交通流量预测)[J].武汉理工大学学报,2022(10):30-39
A类：
SCINet,样本卷积和交互网络
B类：
EEMD,高速公路交通,出行规划,交通管理与控制,随机性,感应式,检测器,流数据,噪声数据,准确预测,Ensemble,Empirical,Mode,Decomposition,Sample,Convolution,Interaction,Network,交通流量预测模型,除数,数据噪声,不同步,步长,平均绝对误差,平均绝对百分比误差,预测性能,状态划分,子集,模型训练,同场,合理运用,数据去噪,去噪方法,集合经验模态分解
AB值：
0.294673
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
